Gemini 3.8 Flash TTSで自分の声を28秒で複製｜どこまで本人に近づくか検証してみた

Googleが2026年9月23日に発表した「Gemini 3.8 Flash TTS」とFlash-Lite TTSを取り上げ、Voice Replicationで声を複製しています。両モデルは2000種類以上の音声、自然言語で声を作るVoice Design、短い録音から話者を再現する機能に対応し、Flashは130言語、Liteは101言語を扱います。28秒の参照音声と11秒の同意音声から生成した声は、音色だけでなくテンポや抑揚も本人に近い一方、難読地名や「2.5GbE」などの読みには誤りがあり、台本調整が必要でした。

Flashは感情表現や専門語でLiteより自然ですが、Liteも大量読み上げには実用的です。APIではvoice_idを指定して同じ声を再利用でき、2026年内の音声1分当たり料金はFlash約2円、Lite約1.35円、2027年から倍額です。SynthIDやC2PAは付与されますが、声の用途、期間、アクセス権は企業側で管理すべきだとしています。

この要約は生成AIで作成しました。

記事はこちら

Gemini 3.8 Flash TTSで自分の声を28秒で複製｜どこまで本人に近づくか検証してみた

柳谷智宣

ITライター

FacebookContact

1972年生まれ、東京育ち。ITやビジネスといったカテゴリーで執筆しているライターです。キャリアは27年目で、雑紙やムック、単行本、新聞といった紙媒体から、ウェブ記事、メールマガジン、プレスリリースなども手掛けています。現在は、執筆だけでなく、企画提案から執筆・編集までを行っております。主に一般ビジネスユーザーをターゲットに、易しく解説する記事が多いですが、エンタープライズ向けの記事やメーカーや企業のウェブサイトのコンテンツ制作も請け負っています。可能な限り、様々な案件に対応できますので、まずは打診いただけると幸いです。